제 7 장

(1)

제 7 장

수요예측 (Demand Forecasting)

(2)

IT 기술예측 2020: SF영화가 현실로 2020년 韓國 ‥ 인터넷으로 냄새까지 전송 등

2020년 2월 어느날.직장인 A씨는 기상과 함께 3차원 영상 모니터를 켠다.

앵커가 입체 영상으로 나타나 뉴스와 날씨를 전한다.

A씨는 입고 나갈 옷과 헤어스타일을 미리 3차원 영상으로 비춰본다.

출근 전 몸 상태 체크는 필수. 전날 밤 자기 전에 삼켜둔 소형 로봇이 혈압 혈당 상태를 휴대폰 창에 알려준다.

이 휴대폰은 한번 충전으로 2개월 쓸 수 있는 최신형. 1개월 뒤에 충전해도 된다는 메시지가 떠 있다.

점심시간.A씨는 짬을 내 인터넷으로 향수를 주문한다.

냄새까지 전송해주는 인터넷 기술 덕에 사무실에서 향기를 맡아보고 구매한다.

퇴근길 자가용 전면 모니터에 '과로상태, 주의 운전 요망'이란 경고 메시지가 뜬다.

휴대폰으로 거실 온도와 습도 조절 명령을 내린다.

A씨와 같은 일상생활이 2020년 우리나라에서 현실화될 전망이다.

공상과학(SF) 영화에나 나올 법한 장면을 매일 겪게 된다.

1분 충전으로 2개월 이상 사용할 수 있는 휴대폰, 인터넷으로 냄새를 전달하는 기술, 초정밀 로봇으로 혈관을 청소하는 의료장비 등.

이런 기술은 단순한 상상이 아니다.

정보통신부가 정보통신연구진흥원과 함께 정보기술분야 전문가 3500명을 대상으로 미래기술 실현 시기 등을 조사한 결 과다. 정통부가 27일 발표한 'IT 기술예측 2020'에 따르면 2020년까지 단말기 네트워크 콘텐츠 융합 플랫폼 등 5개 분 야에서 미래기술 365개에 대한 수요가 발생하고 이 중 52개 기술이 핵심 기술로 개발될 것으로 분석됐다. 특히 52개 핵 심 기술 중 77%가 2011년까지 개발되고 2017년이면 기술적으로 개발이 끝날 것으로 예상됐다. 부문별 개발 시기를 보 면 1분 충전으로 2개월 사용할 수 있는 휴대폰 배터리 기술은 2012년에 완전 상용화할 것으로 예상됐다.

초고속인터넷망을 통한 냄새 전송은 2015년에 가능할 것으로 전망됐다. 이 기술은 냄새를 디지털 기호로 바꿔 전송하면 받는 사람의 프린터(디지털코)가 인식해 향 카트리지로 냄새를 분사하는 형태를 띤다. 이 기술로 인해 음식 향수 꽃 방 향제 등 관련 산업의 마케팅 판도가 180도 달라지게 된다.

혈관청소용 의료로봇은 2018년에 상용화된다. 이 초소형 로봇은 웬만한 크기의 혈관에 침투해 혈관벽에 붙어 있는 찌꺼 기를 긁어낼 수 있다. 가족의 건강상태를 감지해 집안의 온도와 습도를 자동으로 조절해주는 홈네트워크도 실현된다.

미국 뉴욕타임스는 지난해 4월 '한국은 공상과학이 현실화되고 있는 나라'라고 보도했다. 이 보도가 13년 후면 또 한번

(3)

IT 기술예측 2020: SF영화가 현실로 2020년 韓國 ‥ 인터넷으로 냄새까지 전송 등

스마트폰으로 냄새 전송 성공

YTN, 2014년 7월 6일 [앵커]

향기로운 와인이나 커피 향을 스마트폰으로 실시간 전송할 수 있는 기술이 개발됐습니다.

개발업체는 이 기술을 통해 파리에서 뉴욕까지 커피 향을 전송하는 데 성공 했습니다.

이성규 기자가 보도합니다.

[기자]

프랑스 파리의 한 커피 전문점.

한 남자가 커피를 주문합니다.

지긋이 커피 향을 맡더니 아이폰으로 사진을 찍습니다.

특정 앱에 있는 30만 가지의 기본 향으로부터 커피 향에 맞게 최대 8까지의 향을 선택합니다.

이어 뉴욕에 거주하는 여자 친구에게 냄새 문자를 보내면, 여자 친구는 오폰 (OPhone)이라는 스마트폰을 통해 향기를 맡을 수 있습니다.

오폰에는 냄새를 조합할 수 있는 8개 칩이 내장돼 있는데, 이 칩을 통해 전 송된 메시지의 향기를 만든 뒤 뿜어내는 겁니다.

[인터뷰: 데이비드 에드워즈, 미 하버드대 교수]

"오폰은 사진 찍은 대상에 향기 조합을 꼬리표로 붙여 전송하는 스마트폰 앱과 함께 작동합니다."

연구팀은 내년 상반기를 목표로 기술을 완성할 방침입니다.

또 이 기술을 응용해 카메라로 사진을 찍으면 향을 자동으로 분석해주는 향 기 카메라도 개발한다는 계획입니다.

(4)

 예측 (Forecasting)

- 과거의 자료나 정보를 이용하여 미래에 일어날 변화 내지 결과를 추정

 추측 (Prediction)

- 과거의 자료가 아닌 단순히 주관적인 요소에 입각하여 미래를 예측

(1) 예측의 종류

① 기술 예측 (Technological Forecast)

② 경제 예측 (Economic Forecast)

③ 수요 예측 (Demand Forecast)

1. 수요예측 일반

(5)

[2] 수요예측의 정의와 목적

◎ 정의

기업의 산출물인 재화나 서비스에 대해 미래에 기대되는 시장수요 (수량, 시기, 품질, 장소 등)를 추정하는 과정

◎ 목적

- 불확실성하에서 (Under the uncertainty)

- 미래 지향적인 의사결정 (무엇, 언제, 얼마나<질,양>, 어디서)에 있어서 - 위험(Risk)을 최소화하기 위하여 수행

 합리적인 시설투자의 유도로 경제적인 생산활동의 추구 (과잉생산/재고고갈의 방지)

(6)

What are your biggest problems with global manufacturing ?

(% of 50 global manufacturing companies responding, Forrester Research, July 2000)

Poor visibility into Plant operations Inaccurate Demand Forecasting

Poor Communication Supply shortfalls

Poor Customer Satisfaction

Don’t Know

38%

36%

24%

16%

8%

8% (multiple responses accepted)

 참고 : 제조업의 고통

공급 부족 고객만족 실패

잘모르겠음 의사소통 부족 부정확한 수요예측

공장운영상의 불명확성

(7)

[3] 수요예측 기법의 종류

정성적 예측법(Qualitative Method)

정량적 예측법(Quantitative Method)

꠆ 델파이법 (Delphi Technique)

꠆ 시장조사법 (Market Surveys)

꠆ 전문가의견법 (Executive Opinions)

꠆ 역사적유추법 (Historical Analogy)

꠆ 판매원의견예측법 (Salesforce Compositive Method)

시계열분석

인과형예측법

꠆ 이동평균법 (Moving Average Method)

꠆ 지수평활법 (Exponential Smoothing Method)

꠆ 최소자승법 (Least Square Method)

꠆ 회귀모델(Regression Model)

꠆ 계량경제모델

(8)

① 델파이法 (Delphi Technique)

- 여러 전문가의 판단을 조직적으로 수렴시켜 일치된 의견이나 예측을 도출하는 기법

(주어진 문제를 충분히 다룰 수 있는 경험과 능력이 있는 자로 선정) - 미국 RAND Corporation 에서 개발 (기술예측을 목적으로)

- 용도 : 데이터가 전혀 없거나 먼 미래의 장기적 변화를 예측할 때 효과적 # 생산능력/설비계획을 위한 장기판매예측

# 기술혁신의 시점을 알기 위한 기술예측 # 문제해결방법으로 활용

[4] 정성적 예측법 (Qualitative Method)

(9)

② 집단의견법 - 중역진의견법 (Executive Opinions) 조직의 중역들이 모여 집단적 토의에 의해 예측하는 것

- 장점 : ① 중역진의 풍부한 지식과 경험을 활용할 수 있다

② 여러 사람의 의견교환으로 극단적인 오류를 피할 수 있다 ③ 신속, 저렴하게 예측할 수 있다

- 단점 : ① 영향력 있는 인물에 의해 토의가 지배될 수 있다 ② 예측이 타협이나 절충의 산물로 얻어진다

③ 공동 예측으로 인한 책임감 결여 가능성

[ 단점 보완을 위해 다른 예측기법과 병행하여 사용 ]

(10)

③ 자료유추법(史的유추법) - Historical Analogy

- 기존 데이터가 없는 신제품의 미래를 예측하는데 활용

(신제품과 유사한 기존제품의 과거자료를 참고로 신제품의 미래를 유추)

이유: 제품의 Life Cycle - 도입기, 성장기, 성숙기, 쇠퇴기의 4단계 (Ex. Color TV의 수요 : 흑백 TV의 수요)

(11)

④ 판매원 이용법 (Salesforce Compositive Method)

- 고객의 의도를 가장 잘 알고 있는 판매원을 활용한 수요예측방법 - 일선판매원/영업사원에 의한 자신의 담당구역/제품의 수요를 예측 (개인별 예측의 결과를 종합하여 전체수요를 예측)

- 단점 :

① 유능한 판매원이 반드시 유능한 예측자는 아니다

② 판매원의 예측은 최근의 동향에 의해 크게 지배되는 경향이 있다 (최근의 매출이 저조하였다면 비관적인 예측을 하게 된다)

③ 판매원은 의식적으로 과소예측을 하는 경향이 있다

(특히 예측치를 판매책임량으로 정하는 경우 특히 심하게 나타난다)

(12)

⑤ 시장조사(Market Surveys) /소비자조사(Consumer Surveys)

- 정성적 기법 중 가장 계량적이고 객관적인 방법

- 소비자로부터 직접 수요에 관한 정보를 얻으려는 방법 # 조사대상자 : 일반소비자, 특정고객, 도소매업자

# 조사 방법 : 앙케이트, 면접, 소비자패널, 테스트마켓

- 특 징 : 수요의 크기뿐만 아니라 질적정보 확인 가능 (소비자의 심리,선호,구매동기 등)

상당한 시간과 비용 소요

전문적 지식, 능력없이는 조사의 설계, 실시, 결과분석이 곤란

(13)

 시계열분석 (Time Series Analysis)

시계열 데이터로부터 추세나 경향(일정한 패턴 : 규칙성/시계열적 변동)을 파악하여 장래 수요를 예측

 시계열적 변동의 종류

2. 시계열 분석에 의한 수요예측

추세변동(T)

계절변동(S)

순환변동(C) 불규칙변동(I)

(14)

 시계열적 변동의 종류

 추세변동 ( Trend Movement : T )

장기변동의 전반적인 추세(경향), 추세선의 추정을 위해 최소자승법 사용

 순환변동 ( Cyclical Fluctuation : C )

 계절변동 ( Seasonal Variation : S )

 불규칙/우연변동 ( Irregular Movement / Random Variation : I )

일정한 주기 없이 장기적 (1년 이상의 간격)으로 나타나는 유사한 진동 1년 주기로 계절에 따라 되풀이되는 변동

예측 불가능한 임의 변동으로 돌발적, 불명 원인에 의해 출현

• 가법모델 ( Additive Model ) Y (수요량) = T + C + S + I

(15)

추세분석 ( Trend Analysis )

시계열의 장기적 변동 경향(추세선)을 도출하여 미래의 수요를 예측하는 방법  추세선의 형태를 선정하는 것이 가장 중요

● 추세분석법의 종류

① 목측법 (Freehand Method )

② 이동평균법 (Moving Average Method )

③ 지수평활법 (Exponential Smoothing Method)

④ 최소자승법 (Least-squares Method )

(16)

[1] 이동평균법 ( Moving Average Method )

과거 일정기간 동안의 실적을 평균해서 다음 기의 값을 예측하는 방법 - 특별한 추세변동, 계절변동, 순환변동 등의 요인이 없을 때 적용 가능

단순 이동평균법 (Simple Moving Average Method)

F

^t

= Σ A

_n^t-i ^F^t^:기간 t 의 수요 예측량

At-i : 기간 (t-i) 의 실제 수요량

n : ^{고려하는 기간 수}

가중 이동평균법 (Weighted Moving Average Method)

F^t =

w

1A^t-1 +

w

2A^t-2 + ••• +

w

nA^t-n

w

¹ +

w

² + ••• +

w

ⁿ

F^t : 기간 t 의 수요 예측량

At-i : 기간 (t-i) 의 실제 수요량

w

i : ^가중치

(17)

다음은 공기정화기를 제조, 판매하는 (주)갑을의 지난 5개월 동안의 판매 자료이다.

6월의 수요를 예측하면 다음과 같다.

월 1 2 3 4 5

판매량 900 700 800 850 820

단순이동평균법의 적용 (4개월)

F

^t

= Σ A

_n^t-i ⁼ 700 + 800 + 850 + 820

4 = 792.5 가중이동평균법의 적용 (4개월)

4개월간의 자료에 대한 가중치가 각각 0.4, 0.3, 0.2, 0.1

F^t =

w

¹A^t-1 +

w

²A^t-2 + ••• +

w

ⁿA^t-n

w

1 +

w

2 + ••• +

w

n

(18)

[2] 지수평활법 (Exponential Smoothing Method)

 가중이동평균법의 일종, 단기예측에 적합

 가장 최근의 실적치에 가장 큰 가중치를 부여하고 오래된 데이터의 가중치는 지수함수적으로 적게 적용하는 것

 장기적인 상승/하강 움직임(추세변동)을 포함하고 있는 자료에는 적용 부적합

< 평활계수의 조정 >

- 제품수요가 불안정한 경우 (신제품의 생산판매, 고객취향의 변동심화품목)  : 0.7 – 0.8  예측의 감응도를 높인다

- 제품수요가 안정된 경우

 : 0.01 – 0.5  예측의 안정도를 높인다

F

^t

= F

^t-1

+ (A

^t-1

– F

^t-1

) = A

t-1 + (1 -

) F

^t-1

[ 단,  : 평활계수 ( 0    1 ) ]

(19)

[3] 최소자승법 ( Least-squares Method )

- 실제치와 예측치와의 편차 (

ei

) 자승의 총합이 최소가 되는 추세선을 찾고 이를 통해 미래 수요를 예측하는 방법

- 장래의 수요변동을 추세변동만으로 예측하려는 방법

b

⁼ⁿ

Σ x

i

y

i -

Σ x

i

Σ y

i

n

Σ x

i ² - (

Σ x

i ) ² ⁼

Σ

(

x

i -

x

) ²

Σ

(

x

i –

x

) (

y

i –

y

)

time Quantity

y = a + b x

( 추세선 ) ei

(

xi

,

yi

)

Sxy Sxx

(20)

y = a + bx

(추세선)

시간 수량

eⁱ

(xⁱ, yⁱ )

y

i = a + b

x

i +

e

i

e

i =

y

i - a - b

x

i

Σ e

i = ²

Σ

(

y

i - a – b

x

i ) ²



Σ e

i ²

a a



Σ

(

y

i - a – b

x

i ) ²

= = 0



Σ y

i - an – b

Σ x

i = 0 --- 식 (1)

(21)

이상의 식을 연립하여 풀면

Σ y

i = an + b

Σ x

i --- 식 (1)’

Σ x

i

y

i = a

Σ x

i + b

Σ

²

x

i --- 식 (2)’

식 (1)과 식 (2)를 다시 정리하면

b = n

Σ x

i

y

i -

Σ x

i

Σ y

i

n

Σ x

i - (²

Σ x

i ) ²^

Σ

(

x

i -

x

) ²

Σ

(

x

i –

x

)(

y

i –

y

)

a =

Σ y

i - b

Σ x

i

n =

y

- b

x

𝑥_𝑖² − 2 ^{( 𝑥}_𝑛^𝑖⁾² + 𝑛 (^𝑥_𝑛^𝑖)²

= 𝑥_𝑖² − ^𝑥_𝑛^𝑖 ² = n 𝑥_𝑖² − ( 𝑥_𝑖)²

(22)

(주)천안전자의 PDP-TV의 매출액과 이익의 관계가 다음과 같았다.

이 자료를 토대로 매출액과 이익 사이에 적용할 수 있는 추세선을 구하라.

n 1 2 3 4 5 6 7 8 9 10 11 12

매출액(백만원) x 7 2 6 4 14 15 16 12 14 20 25 7 이 익(만원) y 15 10 13 15 25 27 24 20 27 44 34 17

y = a + b x

y = 1.2841x + 7.3882

5 10 15 20 25 30 35 40 45 50

이익

Y

Y 예측치 선형 (Y 예측치)

(23)

n

x

_i

y

_i

x

_i

y

_i

x

_i²

1 2 3 4 5 6 7 8 9 10 11 12

7 2 6 4 14 15 16 12 14 20 15 7

15 10 13 15 25 27 24 20 27 44 34 17

105 20 78 60 350 405 384 240 378 880 510 119

49 4 36 16 196 225 256 144 196 400 225 49

합 계 132 271 3529 1796

b

⁼ⁿ

Σ x

i

y

i -

Σ x

i

Σ y

i

n

Σ x

i ² - (

Σ x

i ) ² ⁼

a

=

Σ y

i - b

Σ x

i

n =

(12ⅹ3529) - (132ⅹ271)

(12ⅹ1796) - (132ⅹ132) = 1.593 271 - (1.593ⅹ132)

12 = 5.060

(24)

 자료가 홀수개인 경우 “간편법”에 의한 접근

년도 결과

1996 1997 1998 1999 2000

436 470 519 578 639

년도 xi yi xi^2 xi yi

1996 1997 1998 1999 2000

-2 -1 0 1 2

436 470 519 578 639

4 1 0 1 4

-872 -470 0 578 1278

합계 0 2642 10 514

(25)

[1] 수요예측의 정확성 판정

 예측오차 (E) = 실제수요(At)와 예측수요(Ft)와의 차이

 오차가 크면 클수록 그때 채용된 예측기법의 유효성이 떨어짐을 의미

예측오차의 편의

 누적예측오차 (RSFE : Running Sum of Forecast Error)

 평균예측오차 (MFE : Mean Forecast Error)

예측오차의 크기

 절대평균오차 (MAD : Mean Absolute Deviation)

 평균절대백분률오차 (MAPE : Mean Absolute Percent Error)

RSFE = Σ(At – Ft) MFE = Σ(At – Ft)

n

MAD = Σ | At – Ft | n

3. 수요예측기법의 평가

(26)

[2] 추적지표를 이용한 예측과정 관리

• 추적지표 : Tracking Signal

• 예측치의 평균이 일정한 진로를 유지하고 있는지를 나타내는 척도

• 누적예측오차를 MAD로 나눈 것

TS = Σ ( At – Ft ) MAD

( n  Bias )

= MAD MAD

RSFE

=

※ 추적지표의 값이「0」에서 크게 이탈한다면 편기가 발생하고 있음을 의미.

- 양의 값 : 과소예측의 편기 존재 - 음의 값 : 과대예측의 편기 존재

※ 추적지표는 예측의 정확도가 의심스러울 경우에 사용

MAD

4